世界で最も使用されている検索エンジンを担当するテクノロジー大手は、開発者や研究者を対象としたオープンソース言語モデルの新しいファミリーを利用できるようにしました。最近のアップデートでは、最も堅牢なバージョンでは 256,000 トークンのマークに達するコンテキスト ウィンドウを備えた、テキスト、音声、画像の入力をサポートするツールが提供されています。この世代の主な差別化要因は、これまでの商業上の制限が取り除かれ、企業がサーバーから携帯電話に至るまで、自社のハードウェア上でテクノロジーをより自由に使用できるようになった点です。
商用利用ガイドラインの変更
新しいライセンス形式の採用により、以前のバージョンのツールに存在していた障壁がなくなりました。開発者は、システム作成者によって一方的に更新される可能性のある使用禁止ポリシーに従う必要がなく、処理されたデータと商用展開をより詳細に制御できるようになりました。
この構造変化は、プログラミング コミュニティ内での新しいプロジェクトの作成を促進することを目的としています。オフライン実行に重点を置くことで、オープンで柔軟な代替手段を提供する戦略が強化され、新興企業や大企業がアプリケーション プログラミング インターフェイスのコストを繰り返しかけることなくテクノロジーを統合できるようになります。
論理的推論における技術的進歩
新しいシステムでは、数学的問題を解決し、複雑な指示に従う能力が大幅に向上しています。更新されたアーキテクチャには、関数呼び出しのネイティブ サポートと、特定のデータ形式での構造化出力の生成が組み込まれており、自律エージェントのワークフローが最適化されます。
プログラミング コードの処理能力も改良され、インターネット接続のない環境でも適切に機能します。これらの条件下で達成されるパフォーマンスは、クラウド処理のみに依存するインテリジェンス サービスによって得られる結果に近いものです。
マルチモーダル情報処理
従来のテキスト解釈に加えて、新世代はオーディオ ファイルと画像をネイティブに処理します。音声認識システムは、前年に発売されたモデルと比較して優れた精度を示し、音声コマンドのリアルタイムでの転写と分析が容易になりました。
ビジュアル入力のサポートにより、スキャンされた文書で光学式文字認識などの高度なタスクを実行できます。このツールは複雑なグラフや表を解釈し、企業部門の要求を満たすレベルの精度で関連データを抽出することもできます。
これらのさまざまな入力モダリティを組み合わせることで、対話型アプリケーションを作成するためのさまざまな可能性が広がります。開発者は、ユーザーの発言とデバイスのカメラが捉えた内容を同時に分析し、データを外部サーバーに送信せずにすべて処理するソリューションを構築できます。
サイズと効率のバリエーション
モデル ファミリは、さまざまなハードウェア ニーズを満たすために 4 つの主要な構成に分割されています。 Mixture of Experts および Dense として知られるより堅牢なバージョンは、大量のデータ処理を処理する高性能サーバーおよびプロフェッショナル ワークステーションを対象としています。
一方、軽量バージョンはエネルギー効率を優先するように特別に設計されています。これらの小型モデルは、ネットワークのエッジ、つまりエンド ユーザーの機器上で直接実行するのに最適で、バッテリーの消費と外部処理の必要性を最小限に抑えます。
エキスパート アーキテクチャ ベースのバージョンは、推論プロセス中に数十億のパラメータのうちの一部のみをアクティブにします。この技術的アプローチにより、140 を超える異なる言語でテキストを理解して生成する能力を維持しながら、応答遅延とエネルギー消費が大幅に削減されます。
ニューラル ネットワークの重みを含む完全なファイルが現在公開されています。テクノロジーの専門家は、機械学習に焦点を当てた、認知されたコード ホスティング プラットフォームとリポジトリにマテリアルをすぐにダウンロードできます。
モバイルデバイス向けの最適化
コンパクト バージョンの開発は、世界市場のモバイル デバイス用プロセッサの主要メーカーと提携して行われました。この技術提携により、同時翻訳や長文要約などの日常業務において、実質ゼロ遅延で応答できるシステムが実現しました。実際のテストでは、このテクノロジーが教育や産業プロジェクトで広く使用されている低コストの開発ボードやシングルボード コンピューター上でも安定したパフォーマンスを維持できることが実証されています。
さまざまなハードウェア構成にわたって効率を維持することは、アプリケーション エコシステムにとって実質的に大きなメリットとなります。ローカル処理での応答時間を短縮することは、医療や金融アプリケーションなど、高レベルのプライバシーを必要とするサービスにとって重要です。このテクノロジーは、ユーザーのデバイス上で情報を直接処理することで、インターネット上での機密データの送信に伴うリスクを排除し、個人情報が第三者による傍受から確実に保護されます。
開発エコシステムとの統合
公式プラットフォームでツールがすぐに利用できるため、研究者やソフトウェア エンジニアは新しい人工知能テクノロジーに容易にアクセスできます。高容量モデルはクラウド開発スタジオを通じてテストおよびデプロイできますが、モバイルに最適化されたバージョンはエッジ処理用の専用ギャラリーにあります。社内システムの最新化を検討している企業は、サードパーティ インターフェイスの使用にかかる月々のコストを気にすることなく、これらのソリューションをローカル インフラストラクチャに統合できます。さらに、軽量バージョンのアーキテクチャは、モバイル オペレーティング システムの将来のアップデートの基本的な基盤として機能し、生成型人工知能が今後数年で市場に投入される携帯電話の標準的かつユビキタスなコンポーネントとなり、ユーザーが日常的にデバイスを操作する方法を変革するという明確な傾向を示しています。
オープン人工知能の利用拡大
パフォーマンスの向上と寛容なライセンスを組み合わせることで、テクノロジー分野の選択肢の範囲が広がります。ローカルで実行可能なオープンソース モデルへの移行により、開発者の独立性が強化され、イノベーションが大規模なクラウド コンピューティング インフラストラクチャのみに依存しない、より多様なデジタル環境の構築が促進されます。
